Ciencia de datos
Repositorio de GitHubSegmentación de clientes de un centro comercial
Explorar grupos de clientes mediante análisis reproducibles, informes comparables y un panel interactivo.
Resumen
El proyecto analiza grupos de clientes con K-Means y PCA y mantiene reproducibles los flujos de Python y R. Los informes documentan el análisis; FastAPI y React permiten ejecutarlo y revisarlo desde el navegador.
De datos de clientes a segmentos interpretables
Datos
Los atributos de clientes entran en el flujo
Preparación
Python y R limpian y escalan los datos
Clustering
K-Means y PCA hacen visibles los grupos
Informes
Los resultados generados documentan cada análisis
Panel
La interfaz ejecuta y presenta los resultados
Qué gestiona el sistema
Conecta clustering, PCA, informes comparativos y un panel web.
Tecnología
Stack
Áreas
Conclusiones
- K-Means y PCA permiten interpretar grupos desde varias perspectivas.
- Los informes de Python y R favorecen comparaciones reproducibles.
- El panel convierte el análisis en un flujo ejecutable.
¿Quieres revisar la implementación?
El repositorio contiene el código, las instrucciones de configuración y el historial de desarrollo.